Network Papers in MobiSys 2026¶
Tip
updated on 2026-05-20
(1) FBLayout: Optimizing Memory Layout for Efficient LLM Finetuning on Mobile GPUs
(2) Pinpointing Transmitting LEO Satellites from a Single Passive Array [StarLoc]
(3) Ringmaster: How to juggle high-throughput host OS system calls from TrustZone TEEs
(4) SAIL: Redesigning Collaborative Language Inference with a Single Server-to-Mobile Handoff
(5) OrbitTransit: Traffic Delivery and Diffusion for Earth Observation via Satellite Mobility
(6) Act Before It's Too Late: Power-Efficient LLM Inference on Mobile Device
(7) Analysis of Always-Listening Services on Android
Summary
MobiSys 26:
| 论文 | 核心 | 推荐系数 | 亮点与评价 |
|---|---|---|---|
| StarLoc | 只需在 2D 平面上部署 3 根天线，即可对 LEOSat 进行精确 3D 定位 | 0 | 纯sb文章 真要说个优点的话, 那就是图画的不错, 尤其是半实物仿真图 |
| OrbitTransit | PCO 和 ISL-based Routing 相结合, 通过"流量扩散", 缓解 GS 拥堵和轨道资源竞争 | 3 | 总的来说还行, insight和idea还可以, 虽然实现是在搞笑 (1) 给了 PCO 的概念: Pickup, Carry, Offload. 跟ISL routing确不一样 (2) 引入 "Orbit-as-Node(OAN)" 框架, 个人感觉跟 starpike design 2 很像 (3) 基于 OAN 的流量扩散机制 |
| FBLayout | 在 MobileDevice 的 GPU 上优化 LLM 微调的内存布局 | 2 | 笔者研究领域之外. 问题是: "局部性"被破坏 解决方法: 别的没看懂, 有一个能理解: "Activation-Guided 全局布局选择", 也是分析"重用模式", 节约成本 |
| Ringmaster | 如何在 TrustZone TEE 中, 高效处理 HostOS 的高吞吐量 syscall | 5 | 深度好文, 值得反复推敲! |
| SAIL | 本地-云端协同运行LLM | 1 | SAIL让服务器端的LLM生成较难的 "早期Token"(前缀), 然后将前缀一次性发送给移动端. 由移动端的SLM独立完成剩余的 "简单Token"(后缀) 生成 |
| TurboInfer | MobileDevice 高能效的LLM推理系统 | 3 | 不是本领域研究者, 看了个大概: (1) 情况: GPU负载不均匀, 偶尔有burst, 大部分 Stall (2) 解决方法很直接: "细粒度感知", stall时降频, kernel execution升频 |
| AlwaysListening | 安卓的"Always-Listening Services"逆向分析 | 2 | (1) 该服务的系统架构 (2) 交互的关键原生库和进程 (3) 运行时行为 |